Die 22-Grad-Migration: Warum wir technisch im Norden leben, aber im Herzen Afrikaner sind

10. Februar 2026 Sven Krämer

12 Minuten Lesezeit

Ich hatte gelesen, dass 97 % der Menschen an einem falschen Ort wohnen und das auch klimatisch bedingt ist.

Warum?

Der Mensch ist nun mal im Herzen von Afrika entstanden, wenn das so sagen kann, einer warmen bis sehr warmen Region. Dort ist eine Geburtsstunde, quasi. Der Mensch stammt vom Affen ab und die Affen sind jetzt mal vom Baum zu Baum geschwungen.

Vielleicht gab es auch Affen, die von Strauch zu Strauch am Polarkreis hin und her bewegt haben.

Die Mehrzahl der Menschen fährt selbst in einem warmen Sommer in den Süden, nach Südeuropa. Sie fahren, weil es dort auch noch beständig warm und sonnig ist. Natürlich fährt auch eine Fraktion in den Norden, aber sie ist sehr gering. Dazu braucht man nur die Flugverbindungen anzuschauen. Wohin gibt es die meisten Flugverbindungen? Lassen Sie mich mal raten, ist das Mallorca, Türkei, Zypern, Italien oder fliegen die meisten Flugzeuge nach Tromsø, Alta, Kirkenes (Norwegen), Inari (Finnland) im europäischen Sommer?

Nein, genau, sie fliegen in den Süden. Wie viele Leute haben dort ein Ferienhaus? In YouTube gibt es unzählige Kommentare: „Wir fliegen seit 20 Jahren nach Teneriffa“. Warum? Ah wegen der Wärme und der Sonne, weil es hier so unbeständig ist.

Wahrscheinlich wenn Marokko, Algerien, Tunesien, Libyen offener wären, würden auch da sehr viele hinfliegen. Ok, nach Marokko machen sie das. Oder ich habe die vielen Flugverbindungen im Sommerurlaub nach Oran, Annaba, wie auch Bengasi oder Misrata übersehen ;-).

Die spanische Bevölkerung, wenn sie etwas dazuverdienen möchte, bieten so viele Wohnungen nur auf Zeit an. Das kann man sich in Idealista oder Fotocasa sich anschauen.

Wir leben im Norden, in den kühleren Teilen, weil wir das mit einer ungeheureren technischen Meisterleistung das geschafft haben. Wir kleiden uns im Winter gegen die Kälte mit Kleidung zu. Natürlich gibt es ganz wenige Leute, einer wohnt bei mir in der Umgebung, die auch mit kurzer Hose und T-Shirt bei 0 Grad draußen umherwandeln. Aber die Mehrzahl holt ihre Jacken schon bei + 17 Grad heraus.

Wir heizen unsere Wohnungen. Dann müssen wir besonders im Winter darauf achten wegen des Lüften, möglichem Schimmel (kommt auch in wärmeren Gegenden). Obwohl wir doch in Mitteleuropa auf einen modernen Hausbau getrimmt sein müssten, ist die Bauweise doch nicht so ideal, wo so etwas passieren kann.

Wie bedrohlich das mit dem Winter ist, haben wir doch Anfang des Jahres in Berlin gesehen, bei dem Blackout / Stromausfall im Berliner Südwesten. Da hat keiner gejubelt, dass die Wohnung kalt wurde. Der Mensch muss sich gegen die Kälte schützen. Das ist Fakt. Tod von Erfrierungen ist möglich.

Außerdem jetzt in Deutschland, Gasmangellage, sehr teure Energie und trotzdem Kälte, ein Winter wie seit 15 Jahren nicht mehr.

In der Tierwelt ist es auch nicht anders. Die einen, die nicht können, halten Winterschlaf und anderen, die Vögel fliegen in den Süden. Nur wenige Großtiere, die sich auf die Temperaturen eingestellt haben, können überleben (Bären in der Regel oder kleine Tiere). Wir Menschen haben uns aber nicht angepasst. In den Tausenden von Jahren ist unsere Haut nicht noch mehr behaart.

Wären wir nicht so weit in den Norden vorgedrungen, wo was würden wir stattdessen machen. Bei +40 Grad und mehr ist es auch sehr heiß. Ich vermute, die meisten Großstädte wären an der Küste, die uns die Nahrung bietet und auch die Kühle vom Seewind.

Wenn wir den gleichen technischen Stand von heute auch in dieser alternativen Zeitlinie verlaufen hätten, gäbe es bestimmt auch Meerwasserentsalzungsanlagen. Statt Kohle hätten wir einen klugen Weg gefunden, das Uran besser verwendet. Vielleicht gäbe es auch viel mehr Kernkraftwerke im Süden, an der Küste. Mit der heutigen Technik wären die Solarzellen ziemlich gut geeignet, die so viel gepriesene Wasserstoffproduktion wäre lukrativer, weil die Transportwege kürzer wären. Afrika hätte sich trotz der Hitze zu einem wohlhabenden Kontinent entwickelt wie auch Südamerika und was alles in dieser warmen Zonen liegt.

Vielleicht würde man im Dschungel an Berghängen in modernen Höhlenwohnungen wohnen, zwar mit allem Komfort von heute, aber halt in einer tropischen Umgebung.

Vielleicht wäre man auch viel fröhlicher und man würde viel mehr draußen was machen. Denn was machen wir, sobald es wieder wärmer wird? Wir verlegen unsere ganzen Feste nach draußen. Wenn man von Weihnachtsmarkt und Karneval absieht, findet kaum etwas draußen statt. Im Sommer reiht sich in jeder Stadt von Woche zu Woche ein Fest nach dem anderen.

Alles, was nördlich der Alpen gelegen wäre, würde eher eine weite Baumlandschaft mit vereinzelten Kleinstädten geworden.

In dieser alternativen Zeitlinie sähen die Staaten auch viel anders aus.

In der heutigen Zeit können sich nur wenige eigenständig leisten, remote zu arbeiten (und selbst das macht man den Menschen auch noch madig, speziell in Deutschland). Nicht umsonst kündigen einige und machen sich selbstständig. Und was machen sie? Genau, sie wandern in den Süden, zur Wärme. Die restlichen beißen sich auf die Zähne, werden zwar frech. Aber diese Frechheit ist nur, weil die meisten wohl so neidisch sind, dass sie es angeblich nicht machen können.

Schreiten wir zur Tat:

Auch ich habe diese Chance hier und daher sollte man sich das nicht so arg verleiten lassen, das erst beste zu nehmen. Es sollte schon zu einem passen. In den letzten fünf Jahren haben sich einige Regionen für mich herauskristallisiert. In den letzten Tagen habe ich mir eine Übersicht der Durchschnittstemperaturen erstellt. (LibreOffice Calc).

Monat	Athen	Kreta	Gozo	Hurghada	Larnaca	Porto	Málaga	Murcia	El Hierro	Las Palmas	La Palma	Arica	Montevideo	Essen
Jan	13	16	15	20	15	13	17	9	21	19	17	26	28	4
Feb	13	16	15	21	15	13	18	10	20	18	16	26	27	5
Mär	15	17	17	23	19	15	21	13	21	18	16	26	25	9
Apr	18	20	19	27	21	16	22	16	21	19	17	24	22	13
Mai	22	24	24	30	29	18	25	19	22	19	18	22	18	17
Jun	27	28	28	32	33	21	29	24	23	21	19	20	15	20
Jul	30	30	32	33	37	23	31	26	25	22	20	19	14	22
Aug	30	30	32	33	36	23	31	26	26	23	21	19	16	22
Sep	27	28	29	32	33	22	28	23	26	23	21	20	17	18
Okt	22	25	25	29	28	19	24	19	25	23	21	21	20	13
Nov	18	20	18	25	23	16	21	13	24	21	19	23	23	8
Dez	14	17	16	21	17	14	18	10	22	20	18	23	26	5

Diese Tabelle ist natürlich noch sehr unübersichtlich. In einer Tabellenkalkulation ist das hier wunderbar, aber ich wollte es auch in eine Datenbank überführen.

Dazu brauchte ich aber erst einmal ein Pythonscript, welches die Daten in eine CSV-Datei überführt.

Ich benutze ja eine Libreoffice Calc Tabelle. Dazu brauche ich dann für das Auslesen noch das Modul odfpy in Python. Also pip install odfpy

import pandas as pd

# 1. Daten laden
# Wir nutzen 'odf', da dies der Standard für LibreOffice (.ods) ist.
# Falls du mehrere Tabellenblätter hast, geben wir sie hier an.
datei = 'Athens_Málaga_temperaturas.ods'

# Lädt das Blatt mit den Temperaturen (angenommen es ist das erste)
df_roh = pd.read_excel(datei, sheet_name=0, engine='odf')

# Lädt das Blatt mit den Metadaten (Höhe, EW, Flughafen etc.)
# Ich gehe davon aus, dass du ein zweites Tabellenblatt namens 'Metadaten' hast
try:
    df_meta_raw = pd.read_excel(datei, sheet_name='Athens_Málaga_temperaturas', engine='odf')
except:
    print("Hinweis: Blatt 'Metadaten' nicht gefunden. Prüfe den Namen in Calc.")
    df_meta_raw = pd.DataFrame()

# 2. Wetterdaten transformieren (Melting)
df_wetter = df_roh.melt(id_vars=['Monat'], var_name='Stadt', value_name='Temperatur')

# 3. Daten bereinigen (Nur die 12 Monate behalten)
monate = ['Jan', 'Feb', 'Mär', 'Apr', 'Mai', 'Jun', 'Jul', 'Aug', 'Sep', 'Okt', 'Nov', 'Dez']
df_wetter = df_wetter[df_wetter['Monat'].isin(monate)]

# 4. Export für MariaDB
# Wir speichern zwei CSVs, die du einfach in MariaDB importieren kannst
df_wetter.to_csv('wetter_jahresverlauf.csv', index=False, encoding='utf-8')
df_meta_raw.to_csv('staedte_metadaten.csv', index=False, encoding='utf-8')
if not df_meta_raw.empty:
    df_meta_raw.to_csv('staedte_metadaten.csv', index=False)

print("Transformation abgeschlossen!")
print(f"Datei 1: 'wetter_jahresverlauf.csv' (für die Haupttabelle)")
print(f"Datei 2: 'staedte_metadaten.csv' (für die Info-Tabelle)")

Dann habe ich die Datenbank auswanderung und die Tabelle wetterdaten erstellt

Die ganzen Daten habe ich schließlich mit:

LOAD DATA LOCAL INFILE ‚wetter_jahresverlauf.csv‘ INTO TABLE wetter_daten FIELDS TERMINATED BY ‚,‘ IGNORE 1 LINES (monat, stadt, temperatur);

eingefügt.

In meiner MariaDB – Datenbank sieht es so auf (einen Auszug):

MariaDB [auswanderung]> SELECT * FROM wetterdaten;
+———-+——-+—————+————+———–+
| wetterid | Monat | Stadt | Temperatur | regentage |
+———-+——-+—————+————+———–+
| 1 | Jan | Athen | 13 | NULL |
| 2 | Feb | Athen | 13 | NULL |
| 3 | Mär | Athen | 15 | NULL |
| 4 | Apr | Athen | 18 | NULL |
| 5 | Mai | Athen | 22 | NULL |
| 6 | Jun | Athen | 27 | NULL |
| 7 | Jul | Athen | 30 | NULL |
| 8 | Aug | Athen | 30 | NULL |
| 9 | Sep | Athen | 27 | NULL |
| 10 | Okt | Athen | 22 | NULL |
| 11 | Nov | Athen | 18 | NULL |
| 12 | Dez | Athen | 14 | NULL |
| 13 | Jan | Kreta | 16 | NULL |
| 14 | Feb | Kreta | 16 | NULL |
| 15 | Mär | Kreta | 17 | NULL |
| 16 | Apr | Kreta | 20 | NULL |
| 17 | Mai | Kreta | 24 | NULL |

Jetzt kann man damit auch arbeiten:

SELECT 
    stadt, 
    COUNT(*) as wohlfuehl_monate,
    GROUP_CONCAT(monat ORDER BY wetterid) as welche_monate
FROM 
    wetterdaten
WHERE 
    temperatur BETWEEN 20 AND 30
GROUP BY 
    stadt
ORDER BY 
    wohlfuehl_monate DESC;

Zeige mir die Anzahl der Monate und welche an, die in diesem Temperaturbereich liegen:

Für mich kommen El Hierro und auch Las Palmas doch gut infrage. Larnaca auch. Larnaca auf Zypern hat im Sommer aber auch über +35 Grad, wie man in diesem Diagramm sehen kann:

Die Gewinner: El Hierro und Las Palmas

Die Datenbank lügt nicht. El Hierro und Las Palmas liegen ganz weit vorne. Während man in Essen (meiner Heimatstadt) im Winter bei Vitamin-D3-Mangel und teurer Heizung ausharrt, produzieren diese Orte unterhalb des 35. Breitengrades das „Sonnenvitamin“ fast das ganze Jahr über von selbst.

Larnaca auf Zypern ist ebenfalls ein Kandidat, doch wie mein Diagramm zeigt, schlägt dort im Sommer die Hitze mit über 35 Grad zu – ein Preis, den man für die Wärme im Winter zahlt.

Remote Work als Rettungsanker

Früher war man an den Schornstein der Fabrik gebunden. Heute ermöglicht uns die Technik (Remote Work), dorthin zurückzukehren, wo wir biologisch hingehören. Viele schimpfen über die „Digitalen Nomaden“ – oft aus Neid. Doch wer die Chance hat, seine Zelte dort aufzuschlagen, wo das Thermometer die 22-Grad-Marke liebt, sollte sie nutzen.

Ich habe meine Wahl dank SQL und Python nun schwarz auf weiß. Die Heizung in Essen kann bald jemand anderes aufdrehen.

Einige andere Abfragen habe ich noch ein großes Python-Script hinzugefügt. Dann brauche ich nicht ständig die Datenbank aufzumachen.

import mariadb
from getpass import getpass
import sys

# 1. Verbindungsinformationen und Eingabe
def ask_password() -> str:
    pw = getpass("Passwort für den Benutzer 'sven' ")
    if not pw:
        print("Passwort nicht gültig, Abbruch")
        sys.exit(1)
    return pw

pw = ask_password()
db = None 
mycursor = None

try:
    db = mariadb.connect(
        user="sven",
        password=pw,
        host="127.0.0.1",
        database="auswanderung"
    )
    mycursor = db.cursor()
    print(f"Verbindung hergestellt: {db.database}\n")

    # SQL-Abfragen definieren
    queries = [
        ("Regentage bei 20-25 Grad (Wenig Regen)", """
            SELECT stadt, COUNT(*) as goldene_monate, AVG(regentage), GROUP_CONCAT(monat ORDER BY wetterid) 
            FROM wetterdaten 
            WHERE temperatur BETWEEN 20 AND 25 AND regentage <= 5 
            GROUP BY stadt ORDER BY goldene_monate DESC;
        """),
        ("Regentage bei 20-30 Grad (Wenig Regen)", """
            SELECT stadt, COUNT(*) as goldene_monate, AVG(regentage), GROUP_CONCAT(monat ORDER BY wetterid) 
            FROM wetterdaten 
            WHERE temperatur BETWEEN 20 AND 30 AND regentage <= 5 
            GROUP BY stadt ORDER BY goldene_monate DESC;
        """),
        ("Wohlfühlmonate 20-30 Grad (Allgemein)", """
            SELECT stadt, COUNT(*) as wohlfuehl_monate, GROUP_CONCAT(monat ORDER BY wetterid) 
            FROM wetterdaten 
            WHERE temperatur BETWEEN 20 AND 30 
            GROUP BY stadt ORDER BY wohlfuehl_monate DESC;
        """)
    ]

    # Abfragen ausführen und ERGEBNISSE anzeigen
    for title, sql in queries:
        print(f"--- {title} ---")
        mycursor.execute(sql)
        
        # Ergebnisse abholen
        results = mycursor.fetchall()
        
        if not results:
            print("Keine Daten gefunden.")
        else:
            for row in results:
                print(row)
        print("." * 50 + "\n")

except mariadb.Error as err:
    print(f"Fehler: {err}")

finally:
    if mycursor:
        mycursor.close()
    if db:
        db.close()
        print("Verbindung geschlossen.")

Der biologische Bonus: Das Ende des Vitamin-D-Winters

Es ist kein Zufall, dass wir uns im Norden im Winter oft antriebslos und „grau“ fühlen. In Deutschland leben wir nördlich des 47. Breitengrades (Essen liegt auf ca. 51° N). Das hat eine drastische Konsequenz: Von Oktober bis März steht die Sonne bei uns so flach, dass die Atmosphäre fast alle UV-B-Strahlen filtert, die für die körpereigene Vitamin-D3-Produktion notwendig sind. Wir befinden uns im „Vitamin-D-Winter“.

Warum der 35. Breitengrad die magische Grenze ist

Südlich des 35. Breitengrades – dort, wo deine Favoriten Larnaca, Las Palmas und El Hierro liegen – ändert sich die Biologie des Standortes fundamental:

Ganzjährige Produktion: An diesen Orten steht die Sonne selbst im Winter hoch genug, um die Synthese von Vitamin D3 in der Haut zu ermöglichen.
Immunsystem & Psyche: Vitamin D3 ist eigentlich ein Hormon, das über 2.000 Gene steuert. Es ist essenziell für die Knochendichte, das Immunsystem und die Ausschüttung von Serotonin (unserem Glückshormon).
Weg mit den Pillen: Während wir in Essen D3-Tropfen und K2-Kapseln zählen müssen, reicht im Süden oft schon ein 15-minütiger Spaziergang während der Mittagspause in der Sonne, um den Speicher auf natürliche Weise zu füllen.

Der IT-Aspekt: Bio-Hacking durch Standortwahl

Wenn wir unsere Arbeitsplätze per Remote-Work in den Süden verlegen, betreiben wir im Grunde „Location-based Bio-Hacking“. Wir nutzen die Geographie, um unseren Hormonhaushalt zu optimieren. Anstatt in einem dunklen Büro in NRW gegen die Winterdepression anzukämpfen, liefert der Standort die biologische Energie für die Arbeit am Python-Skript quasi frei Haus.

The OpenSource Traveler

Linux, OpenSource, Bash, Python, Databases